任中杰

（江蘇省水文水資源勘測局徐州分局，江蘇徐州，221000）

摘  要：重點河道生態(tài)水位評估需要對區(qū)域內(nèi)河湖生態(tài)水位進(jìn)行日常監(jiān)測，本文提出了一種基于GF-2影像數(shù)據(jù)，通過水體指數(shù)法與監(jiān)督分類提取水體寬度，并利用河道實測斷面建立水位與水面寬度的關(guān)聯(lián)關(guān)系，進(jìn)而獲得目標(biāo)水位的一種新的水位監(jiān)測方法。實驗表明，該方法人工干預(yù)較少，自動化程度高，精度度能夠滿足評估需要。

關(guān)鍵詞：生態(tài)水位、解臺閘、GF-2、水體提取、NDWI

河湖生態(tài)水位是為了維系河流、湖泊等水生態(tài)系統(tǒng)的基本功能，需要保留在河湖內(nèi)符合水質(zhì)要求的水量、水位及其過程。做好關(guān)系生態(tài)文明建設(shè)和高質(zhì)量發(fā)展的河湖生態(tài)水位監(jiān)測工作，對于維護(hù)河湖生態(tài)健康意義重大^[1]。常規(guī)水位監(jiān)測工作依賴于遙測水位監(jiān)測站以及人工觀測，但在實際測驗工作中，遙測站存在信號丟失、故障損毀等問題，容易導(dǎo)致水位數(shù)據(jù)的缺失。汛期臨時監(jiān)測點繁多，面對極端天氣以及超標(biāo)準(zhǔn)洪水時，人工觀測耗費大量人力物力。

隨著遙感技術(shù)的日新月異，對地觀測技術(shù)已成為水體監(jiān)測的重要信息源。人工觀測也可以與遙感影像監(jiān)測形成互補。其中高分影像由于空間分辨率能達(dá)到亞米級，被廣泛應(yīng)用于水資源動態(tài)監(jiān)測等方面，具有不可替代的優(yōu)勢。傳統(tǒng)水體提取研究中，主要以MODIS影像、Landsat影像為主，對大范圍開闊水體提取時，精度可以滿足需求，但在細(xì)小水體的提取方面，如城市河道等，很難精準(zhǔn)識別并提取出來。本文以大運河解臺閘作為研究區(qū)域，利用GF-2影像，基于影像融合、水體指數(shù)等方法，提取水面寬度，結(jié)合實測斷面，獲取目標(biāo)區(qū)域水位，并通過實測數(shù)據(jù)進(jìn)行了精度驗證。旨在探索出不需要人工干預(yù)適用于城市細(xì)小水體的水位監(jiān)測方法，為全市大范圍生態(tài)水位監(jiān)測與評估提供參考。

1 研究區(qū)域概況及實驗數(shù)據(jù)

1.1 研究區(qū)域

京杭大運河南起浙江杭州，向北流經(jīng)江蘇、山東、河北、天津，最終抵達(dá)北京通州，全長1700多公里，連接海河、黃河、淮河、長江、錢塘江五大水系。其中徐州藺家壩—淮陰—揚州邗溝被稱作蘇北運河，全長404千米，縱跨徐州、邳州、宿遷、淮陰、揚州等11個縣市，溝通了微山湖、駱馬湖、洪澤湖、高郵湖等水系，是京杭運河上運輸最繁忙的河段。解臺船閘位于江蘇省徐州市東北郊、京杭運河與徐賈公路的交匯點上，屬京杭運河江蘇省交通廳蘇北航務(wù)管理處所轄京杭運河蘇北段404公里航道的最北端，是徐州地區(qū)重要的水上交通樞紐之一。本文以大運河解臺閘上為研究區(qū)域，河道斷面位置如圖所示。

圖1 解臺閘位置及監(jiān)測斷面示意圖

1.2 實驗數(shù)據(jù)及預(yù)處理

GF-2 衛(wèi)星是我國高分辨對地觀測重大專項中的首顆空間分辨率突破 1 m 的衛(wèi)星，已成為高分衛(wèi)星技術(shù)體系的重要組成部分，將滿足我國極大的高空間分辨率衛(wèi)星數(shù)據(jù)需求。

2 研究方法

2.1 影像融合方法

遙感影像融合是將各影像的優(yōu)點結(jié)合起來并產(chǎn)生新的影像^[2]。融合的關(guān)鍵是保持光譜特性的同時，提高影響的分辨率。GF-2多光譜影像分辨率為3.4米，難以滿足細(xì)小水體提取的需要，通過將多光譜影像與0.8m分辨率的全色影像融合，可得到0.8m分辨率的多光譜影像。常用的遙感影像融合方法，包括PCA變換法、G-S融合法、Pansharp法、等。

PCA算法對低分辨率多光譜影像進(jìn)行主成分變換，然后將全色波段匹配拉伸到第一主成分替代多光譜圖像的第一主成分，然后通過逆變換獲得融合信息^[3]。但融合圖像的光譜畸變嚴(yán)重，容易丟失較多的光譜信息。

G-S首先使用多光譜影像對全色影像模擬，然后是對模擬全色和多光譜影像進(jìn)行多維線性正交變換，再利用高空間分辨率全色替換正交變化的第一分量( GS-1) ，最后進(jìn)行G-S逆變換。影像光譜信息保持較好，但耗時過多。

Pansharp算法是利用最小二乘逼近法獲取MSS和PAN數(shù)據(jù)之間的關(guān)系。這種算法要求PAN數(shù)據(jù)和MSS數(shù)據(jù)同時間同平臺，且光譜信息和細(xì)節(jié)特征保持較好^[4]。結(jié)合生態(tài)水位監(jiān)測的需求，綜上考慮選擇Pansharp融合算法。融合結(jié)果對比如圖2所示。

圖2-a 3.4m分辨率多光譜影像         圖2-b 0.8m分辨率多光譜影像

從目視角度，地物的空間細(xì)節(jié)得到了顯著的增強，色調(diào)和飽和度也有明顯的增強。對影像進(jìn)行定量評價，如表2所示。

表2影像定量評價表

2.2 水體提取方法

在提取方法上，主要包括圖象分類法、單波段閾值法、多波段譜間關(guān)系法及水體指數(shù)法等幾種方法。相較于其他算法，水體指數(shù)法由于操作簡單、方法成熟、準(zhǔn)確率高等特點，被廣泛采用。目前較為常用的指數(shù)有NDWI、MNDWI、LSWI等。考慮到高空間分辨率對水體提取的重要性，應(yīng)盡可能選取高分影像常規(guī)包含的四個波段（R、G、B、Nir），由于MNDWI、LSWI需要短波紅外波段，并不適用于生態(tài)水位的監(jiān)測。因此，本文選取適用性較強的NDWI指數(shù)法進(jìn)行水體提取。

對NDWI數(shù)據(jù)進(jìn)行分割時，鑒于全市生態(tài)水位監(jiān)測對海量長序列數(shù)據(jù)的需求，選擇分割方法應(yīng)以簡單方便、精度高、避免人工干預(yù)、適用性強為主。

閾值法需要人工調(diào)整閾值，主觀性較強，水體提取精確度難以保證。非監(jiān)督分類（ISODATA）通過計算數(shù)據(jù)空間中均勻分布的類均值，再用最小距離技術(shù)將剩下的像元進(jìn)行迭代聚合，每次迭代再對均值重新計算，且根據(jù)新均值對像元再進(jìn)行重新分類^[5]。其特點是人工干預(yù)少，自動化程度高，應(yīng)用廣泛。對NDWI進(jìn)行ISODATA分類，結(jié)果如下圖所示。

2.3 水位計算方法

通過水體提取，獲得高精度河道水面寬度后，要想進(jìn)一步獲得水位數(shù)據(jù)，就需要得到水深與水面寬度的相關(guān)關(guān)系，即實測河道斷面圖。

3 結(jié)果與分析

為了驗證方法有效性，利用本方法對解臺閘區(qū)域近三年的7景不同時相的GF-2影像進(jìn)行處理，得到對應(yīng)的水位數(shù)據(jù)。并與實測水位進(jìn)行精度驗證（數(shù)據(jù)來源為江蘇省水文水資源勘測局徐州分局整編成果）。

通過對比分析，提取水位與實測水位決定系數(shù)較高，且均方根誤差（RMSE）小于一個像元，滿足精度需求。生態(tài)水位評估是根據(jù)水位整編成果進(jìn)行評估，而整編成果是對本年水位觀測、整理的成果與問題以及特殊水情的變化等情況進(jìn)行分析，去除不合理、不正常的觀測數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行優(yōu)化形成的，與衛(wèi)星成像時的瞬時水位有一定誤差是合理的。且GF-2影像分辨率仍然有限，對水位提取的精度仍有很大的制約性。

京杭大運河解臺閘上生態(tài)水位為30.1m，以7景GF-2影像為數(shù)據(jù)源提取出對應(yīng)時相的水位數(shù)據(jù)，進(jìn)而對近三年解臺閘上生態(tài)水位保障程度進(jìn)行評價，結(jié)果表明，解臺閘上生態(tài)水位保障情況良好。

4 結(jié)語

針對城市河道生態(tài)水位監(jiān)測的需求，傳統(tǒng)水位監(jiān)測方法耗費大量人力無力，，需要布設(shè)站網(wǎng)較多，覆蓋面小。本文提出了一種基于GF-2影像生態(tài)水位監(jiān)測方法，通過影像融合方法，提高影像分辨率至亞米級，通過波段運算得到NDWI影像，并基于非監(jiān)督分類對水體進(jìn)行提取，排除人工干預(yù)的影響。以提取出的河道水面寬度結(jié)合實測斷面數(shù)據(jù)，建立了水面寬度-水位的相關(guān)關(guān)系，進(jìn)而得到衛(wèi)星成像時的瞬時水位數(shù)據(jù)。實驗表明，該方法精度能夠滿足實際需要，是一種簡單快捷、成本較低的監(jiān)測方法，適用于批量河道生態(tài)水位監(jiān)測，對水行政主管部門開展生態(tài)水位監(jiān)督檢查，實施河湖生態(tài)水位保障考核評估提供技術(shù)支持，有較強的應(yīng)用前景。

本方法的不足之處主要包括：提取的精度仍有提高的空間，更高精度的水位基于更高分辨率的遙感影像，有必要采用如worldview系列衛(wèi)星等影像數(shù)據(jù)，其空間分辨率可達(dá)0.3m。長時間序列的水位監(jiān)測，需要海量的多源多時相影像數(shù)據(jù)支撐，僅個別衛(wèi)星的過境頻率不能滿足監(jiān)測需要。

參考文獻(xiàn)

[1]水利部.水利部關(guān)于做好河湖生態(tài)流量確定和保障工作的指導(dǎo)意見[J].中國水利,2020,15:1-2.

[2]嚴(yán)恩萍.中高分辨率遙感影像闊葉林信息提取研究[D],長沙:中南林業(yè)科技大學(xué),2011.

[3]江威,何國金,倪愿,鄭守住,馬瑞琪.高分二號衛(wèi)星影像融合方法與效果評價[J],科學(xué)技術(shù)與工程.2017,17(15):102-125.

[4]戴麗君,劉闖.A1os融合影像中水體信息提取方法研究[J].水資源與水工程學(xué)報,2011,22(3):106-109.

[5]陳丹.基于HJ-1A星HSI高光譜數(shù)據(jù)的植被分類研究[D].南京:南京農(nóng)業(yè)大學(xué),2012.

作者簡介：任中杰（1994-），男，安徽宿州人，碩士學(xué)位，江蘇省水文水資源勘測局徐州分局工程師，主要研究方向：水文水資源。聯(lián)系電話：19852090926，郵箱：614279868@qq.com